Question

我有一个类似

的模式列表

list_patterns = [': error:', ': warning:', 'cc1plus:', 'undefine reference to']

我想做的是生成一个所有这些联合的联合，产生一个匹配list_patterns中每个元素的正则表达式[但可能不匹配任何不在list_patterns中的任何内容 - msw]

re.compile(list_patterns)

这可能吗？

Answer 1

有几种方法可以做到这一点。最简单的是：

list_patterns = [': error:', ': warning:', 'cc1plus:', 'undefine reference to']
string = 'there is an : error: and a cc1plus: in this string'
print re.findall('|'.join(list_patterns), string)

输出：

[': error:', 'cc1plus:']

只要连接搜索模式不会破坏正则表达式（例如，如果其中一个包含正则表达式特殊字符，如左括号），那么这是正常的。你可以这样处理：

list_patterns = [': error:', ': warning:', 'cc1plus:', 'undefine reference to']
string = 'there is an : error: and a cc1plus: in this string'
pattern = "|".join(re.escape(p) for p in list_patterns)
print re.findall(pattern, string)

输出是一样的。但是这样做是通过re.escape()传递每个模式来转义任何正则表达式特殊字符。

现在使用哪一个取决于您的模式列表。它们是正则表达式，因此可以假设有效吗？如果是这样，第一个可能是合适的。如果它们是字符串，请使用第二种方法。

对于第一个，它变得更复杂，但是因为通过连接几个正则表达式，您可能会更改分组并产生其他意外的副作用。

Answer 2

list_regexs = [re.compile(x) for x in list_patterns]

Answer 3

您想要一个匹配列表中任何项目的模式吗？那不就是：

': error:|: warning:|cc1plus:|undefine reference to'?

或者，在Python代码中：

re.compile("|".join(list_patterns))

Answer 4

怎么样

ptrn = re.compile('|'.join(re.escape(e) for e in list_patterns))

请注意使用re.escape()以避免因某些字符串中存在（）[] |。+ *等字符而导致的意外后果。假设你想要那个，否则跳过escape()。

这也取决于你打算如何'消费'那个表达 - 它只是为了搜索一个匹配还是你想收回匹配的组？

Answer 5

Cletus给出了一个非常好的答案。但是，如果要匹配的其中一个字符串可能是另一个字符串的子字符串，那么您应该首先对字符串进行反向排序，以便最短匹配不会遮挡较长的字符串。

如果像亚历克斯所说的那样，原始海报想要他实际要求的东西，那么比使用排列更容易解决的问题可能是：

删除list_patterns中的所有重复项。（从一组开始然后把它变成一个没有重复的反向排序列表可能会更好）。
re.escape（）列表中的项目。
将每个项目单独围绕一个组(... )。
'|'。join（）所有组。
查找匹配的所有组的索引集，并将其长度与len(list_patterns)进行比较。

如果原始字符串列表中的每个条目至少有一个匹配项，则该集合的长度应匹配。

代码如下：

import re

def usedgroupindex(indexabledata):
    for i,datum in enumerate(indexabledata):
        if datum: return i
    # return None

def findallstrings(list_patterns, string):
    lp = sorted(set(list_patterns), reverse=True)
    pattern = "|".join("(%s)" % re.escape(p) for p in lp)
    # for m in re.findall(pattern, string): print (m, usedgroupindex(m))
    return ( len(set(usedgroupindex(m) for m in re.findall(pattern, string)))
             == len(lp) )

list_patterns = [': error:', ': warning:', 'cc1plus:', 'undefine reference to']
string = ' XZX '.join(list_patterns)

print ( findallstrings(list_patterns, string) )

Answer 6

匹配的正则表达式列表中的每个元素

我看到你已经得到了几个答案，基于这样的假设：“匹配列表中的每个元素”你实际上意味着匹配列表中的任何元素“（问题中的答案基于|”或“正则表达式的运算符”。

如果你确实想要一个RE匹配列表中的每个元素（而不是任何一个这样的元素），那么你可能想要按照列表给出的相同顺序匹配它们他们（简单），或任何顺序（硬）。

对于有序匹配，'.*?'.join(list_patterns)应该很好地为您服务（如果项目确实被视为RE模式 - 如果它们被视为文字字符串而不是'.*?'.join(re.escape(p) for p list_patterns)）。

对于任何订单匹配，正则表达式本身不提供直接支持。您可以获取列表的所有排列（例如，使用itertools.permutations），使用'.*?'将每个排列连接起来，并将整个加入| - 但这会产生非常长的RE结果是模式，因为N项的排列数是N!（“N因子” - 例如，对于N等于4，排列是4 * 3 * 2 * 1 == 24）。因此，除非已知列表中的项目数量非常非常小，否则性能可能很容易受到影响。

对于“以任意顺序匹配每个项目”问题的更一般的解决方案（如果这是你需要的），一个性能和内存占用仍然可以接受的大量列表，你需要放弃使一个RE对象全部工作的目标，并在混合中注入一些逻辑 - 例如，使用relist=[re.compile(p) for p in list_patterns]制作RE对象列表，并检查“它们都匹配字符串s ，以任何顺序“与all(r.search(s) for r in relist)等。

当然，如果你需要让这个最新的方法与实际的RE对象以“鸭子兼容的方式”工作，那并不难，例如，如果你只需要一个search方法返回一个布尔结果（因为返回“匹配对象”没有意义）...：

class relike(object):
    def __init__(self, list_patterns):
        self.relist = [re.compile(p) for p in list_patterns]
    def search(self, s):
        return all(r.search(s) for r in relist)

Python：定义正则表达式的并集

6 个答案: